如何在R中检查文件的幻数（或十六进制签名）？

Question

我想检测对象的文件类型，以便确定压缩文件的正确连接（例如，是否使用bzfile gzfile ， xzfile等。显然，我可以基于文件扩展名“猜测”，但是我的理解是检查幻数会更健壮（尽管我不清楚这是否可移植到基于Windows的体系结构？）

我如何返回文件的幻数以确定它是否确实是BZh ？

请注意，我想要一个适用于程序包开发的解决方案。 例如，它将尽可能地跨操作系统移植，而不是特定于* nix系统。

Answer 1

Github上有几个通过某种方式使用libmagic的软件包：

• https://github.com/hrbrmstr/wand ：在* nix上包装libmagic ，并在Windows上使用file.exe的file.exe。
• https://github.com/hrbrmstr/simplemagic ：仅使用magic.mgc的子集的R解决方案。
• https://github.com/daqana/dqmagic ：在* nix上包装libmagic并在Windows上编译libmagic （cf https://github.com/daqana/dqmagic/tree/windows ）

Answer 2

我找不到已经在R magic.mgc执行此操作的程序包或函数。尽管我认为抓取Wiki参考表（或获取magic.mgc的副本并解析它）并使用readBin或类似方法相对简单，我认为跨平台使用的一种更直接的方法是使用file命令。 Rtools不可用时，Windows上唯一缺少跨平台。

我创建了两个文件，分别命名为“ gz”和“ bz2”，并运行了该测试。

ptns <- list(gzip="gzip compressed data",
             bzip2="bzip2 compressed data",
             pdf15="PDF document, version 1.5",
             xlsx="Microsoft Excel")

files <- c("gz", "bz2")
out <- system2("file", args=files, stdout=TRUE)

setNames(sapply(out, function(o) {
  thistype <- "unk"
  for (j in seq_along(ptns)) {
    if (grepl(ptns[[j]], o)) {
      thistype <- names(ptns)[j]
      break
    }
  }
  thistype
}), files)
#      gz     bz2 
#  "gzip" "bzip2" 

我在内部选择for循环的原因是，一旦成功匹配，我希望它中断执行。